bob007的专栏

开源爬虫调研http://blog.sina.com.cn/s/blog_6d0b92d90100w6p7.html正文抽取算法http://wenku.baidu.com/link?url=U07Qfde4TZE52Oa1aQF71GI_vyauyfRmgakWHp2CcQM1n8EyBpZnnU6sm4qcqiIOi_cApIwSxIVieMDRTskSjYmyAJSBUB

昨天发现，用 HtmlDecode（） 去解码后，“ ”不是被解码为半角的空格（ASCII码0x20）而是变成半角问号“?”（ASCII码0x3F）。而且奇怪的是，只有每行前面的空格才会出问题，如果前面后面有汉字的话，空格就还是空格。但是更加奇怪的是，如果直接在HtmlDecode()的后面直接加上trim()的话，这个问号会被去掉。而正常的情况下，问号是不会被去掉的，只有空格才会被去掉